预计时间
4 周
项目目标
把前三阶段全部串起来，从零构建一个完整的企业级 AI 应用。
架构总览
text
用户浏览器
↓
CDN (静态资源)
↓
Next.js (前端 + SSR)
↓
NestJS (后端 API)
/ | \
/ | \
PostgreSQL Redis Vector DB
(业务数据) (缓存) (向量检索)
\ | /
└────┴────┘
↓
LLM (OpenAI / Claude)
↓
MCP Server (工具集成)
↓
Agent (智能体)技术栈
yaml
前端:
framework: Next.js 14 (App Router)
styling: Tailwind CSS + shadcn/ui
state: React Query (服务端状态) + Zustand (客户端状态)
后端:
framework: NestJS
orm: Prisma
auth: JWT + RBAC
upload: Multer → S3/OSS
数据层:
database: PostgreSQL 16 + pgvector
cache: Redis 7
search: pgvector (向量检索) + PostgreSQL FTS (全文检索)
AI 层:
llm: OpenAI GPT-4o / Claude 3.5 Sonnet
embedding: text-embedding-3-small
agent_framework: LangGraph (可选，也可手写 ReAct 循环)
mcp: Model Context Protocol (连接外部工具)
运维:
container: Docker + Docker Compose
ci_cd: GitHub Actions
hosting: Cloudflare Pages (前端) + VPS/云服务器 (后端)功能清单
| 功能 | 对应知识点 | 说明 |
|---|---|---|
| 用户注册/登录 | Stage 2 §1 | JWT + bcrypt |
| RBAC 权限控制 | Stage 2 §1 | Admin / Member 角色 |
| 多租户数据隔离 | Stage 1 §1 | organization_id 过滤 |
| 文档上传与管理 | Stage 2 §1, §5 | Multer → S3 |
| 文档分块 + 向量化 | Stage 3 §2 | RecursiveChunking + Embedding |
| RAG 智能问答 | Stage 3 §2 | 检索 → Prompt拼接 → LLM生成 |
| Agent 工具调用 | Stage 3 §3 | Function Calling 搜索/计算/发邮件 |
| MCP 工具集成 | Stage 3 §4 | GitHub/Jira/Notion |
| Browser Agent | Stage 3 §5 | Playwright 自动操作 |
| Redis 缓存加速 | Stage 1 §2 | 会话缓存 + Prompt 缓存 |
| 消息队列异步处理 | Stage 1 §3 | 文档处理 Pipeline |
| Docker 部署 | Stage 2 §2 | docker compose up -d |
| CI/CD | Stage 2 §4 | GitHub Actions 自动部署 |
四周里程碑
第 1 周：骨架搭建
text
Day 1-2: Next.js 初始化
- npx create-next-app@latest
- 配置 Tailwind + shadcn/ui
- 实现登录/注册页面
Day 3-4: NestJS 初始化
- nest new backend
- 配置 Prisma + PostgreSQL
- 实现 /auth/login, /auth/register
Day 5-7: Docker 化
- 前端 Dockerfile + 后端 Dockerfile
- docker-compose.yml (Next.js + NestJS + PG + Redis)
- docker compose up → 全栈跑通第 2 周：核心功能
text
Day 1-2: 文档上传
- 文件上传 API (Multer → MinIO/S3)
- 前端拖拽上传组件
Day 3-5: 知识库 + RAG
- 文档分块 + Embedding (text-embedding-3-small)
- 存入 pgvector
- RAG 问答 API (/chat/ask)
- 前端聊天界面
Day 6-7: 权限 + 多租户
- RBAC Guard (Admin vs Member)
- Tenant 中间件自动注入 orgId
- 前端权限控制 (管理员面板)第 3 周：AI 进阶
text
Day 1-2: Agent
- 定义工具：搜索知识库、获取文档、计算器
- Agent 循环实现
- 前端 Agent 对话界面
Day 3-4: MCP 集成
- 写 1-2 个 MCP Server (GitHub / 天气)
- 接入后端
- Agent 可以调外部工具
Day 5-7: Browser Agent
- Playwright 自动登录/搜索脚本
- LLM + Playwright 协作
- 演示：Agent 自动操作网页获取信息第 4 周：上线
text
Day 1-2: 缓存 + MQ
- Redis 缓存：会话、Prompt、用户状态
- Kafka/RabbitMQ：文档处理异步化
Day 3-4: CI/CD
- GitHub Actions workflow
- 自动构建 + 测试 + 部署
Day 5-7: 联调 + 文档
- 全链路测试
- 修复 Bug
- 写 README + 架构文档验收标准
text
✅ 用户可以注册、登录、创建组织
✅ 用户可以上传文档（PDF/Markdown）
✅ 用户可以基于知识库进行 RAG 问答
✅ Agent 可以调用知识库搜索工具
✅ Agent 可以调用外部 MCP 工具
✅ RBAC：Admin 能管理成员，Member 只能查看
✅ 多租户：用户 A 看不到用户 B 的数据
✅ docker compose up 一键启动全部服务
✅ git push → GitHub Actions → 自动部署
✅ Browser Agent 可以自动完成一个网页操作任务关键提醒
text
1. 不要追求完美 — 先跑通，再优化
2. 第一周结束时保证全栈能跑通（哪怕功能很少）
3. 每天 commit，方便回滚
4. 遇到瓶颈回到课程文档查对应章节
5. 这个项目可以放简历上，加分很多完成之后
这套课程学完，你将具备：
- 从零设计并实现一个企业级 AI SaaS 系统
- 独立处理前后端 + AI + 运维的全链路问题
- AI Full-Stack Architect 的核心能力
下一步：在真实项目中应用这些技能。找个朋友的公司、接个小外包项目、或者基于这个毕业项目开发成 SaaS 产品。